Google 讓 AI 代理在發布前對其自行生成的課堂模擬進行遊玩測試

數位學習工具大多提供被動內容、影片和教科書，因為互動式模擬的建置成本高昂，且鮮少能符合特定教師的課程或學生需求。Google Research 的因應之道，是建立在該公司 2024 年的 LearnLM 模型與 2025 年「Learn Your Way」實驗之上，採用生成式 UI，讓模型動態建構介面，而非事先寫好程式碼，因此教師可以隨需生成自訂模擬，而不必從固定資源庫中挑選。

這個流程在一開始讓教師留在迴圈中，在建立任何內容之前先核准學習目標，然後在最後把品質控管交給一條處理管線。每個模擬會拆解成與這些目標連結、難度更高的遊戲關卡，並附有提示、公式工具箱和量身打造的意見回饋。在教師看到任何內容之前，一個自我修正迴圈會檢查教學法、機制和視覺設計；機制檢查具代理性，會開啟一個 Chrome 實例，像使用者一樣與模擬互動，包括極端控制值等對抗性輸入，以揪出損壞的關卡。

Google 發布了一個公開資源庫，內含超過 30 個經審核的英語 STEM 科目學習互動內容，全都在發布前經教師審閱。在一項與英國 STEM 教師進行的研究中，物理和化學主題在模擬建立方面獲得最高評價。另一項與 12 位美國教師進行的研究，讓每位教師為自己的課堂請求三個自訂互動內容，結果平均品質評分為 10 分中的 8 分，教師指出，動態生成解決了靜態、現成模擬做不到的事：依據他們實際的課程進行差異化教學。

讓代理在教師看到模擬之前嘗試破壞它

要求教師在生成繼續進行之前核准學習目標，讓人類決策留在唯一一個關鍵點上：一旦目標錯誤，下游每個關卡也會跟著出錯。

把驗證拆成三個具名準則——教學法、機制和視覺設計——讓每一項都能用最適合它的方法檢查，而不是只做一次通用的品質檢查。

使用具代理性的評估器，實際在瀏覽器中操作模擬，而不只是檢視生成的程式碼，能揪出靜態分析會漏掉的可解性失敗。

測試對抗性輸入，而不只是預期路徑，針對的是靜態、手工建置的模擬不會有的失敗模式，因為那種模擬只由其作者測試一次，之後從不重新生成。

當你負擔不起由人力檢查每一個生成的產出物時，就給代理一個和人類會使用的相同介面，讓它像粗心或帶有對抗意圖的使用者那樣，嘗試破壞該產出物。

Google 正透過 Google for Education Pilot Program 與學校試行這項工具；新生成的互動內容會送回提出請求的教師審閱，只有在獲得核准後才會進入公開資源庫。該公司也計畫進行使用者體驗研究和實地研究，探討在真實課堂中的學習成效與參與度。團隊將已發布的資源庫描述為早期的一步，隨著試行範圍擴大，還會有更多科目和年級加入。